• Empresas querem insights para melhorar seus negócios

• Cidadãos querem mais transparência de dados e informação

• Governos querem mecanismos para melhorar fiscalização 🤔

• Como toda área nova, não há definições muito claras 😫

Algumas definições relacionadas da Gartner:

• Business Inteligence (BI): Aplicações, ferramentas e melhores práticas que permitem o acesso e a análise de informações para melhorar e otimizar decisões e desempenho.

• Analytics: Processo de analizar informações de um domínio particular. Ou a aplicação de BI para uma área específica.

• Big data: Grande volume, velocidade e/ou variedade de dados que exigem processamento eficiente e inovador de informações permitindo insights, decisões e automação de processos.

• Cientista de dados: Extrai insights de dados. Requer habilidades analíticas para detectar padrões.

Incorpora elementos de:

• Exploratory Data Analysis (EDA) e Visualização;
• Machine Learning e Estatística;
• Computação de Alto Desempenho

Habilidades necessárias:

• Ciência da Computação
• Matemática e Estatística
• Expertise nos domínios da aplicação

• Novas tecnologias possibilitam capturar e armazenar um grande volume de dados (redes sociais, logs, sensores)

• Avanços computacionais permitem novas formas de analisar dados em larga escala (Cloud Computing, Machine Learning)

• Sucesso de análises de dados em grandes empresas serviu de modelo para popularizar a ciência de dados (Google, Facebook, Amazon, predição em esportes, eleições)
• 

Cientistas da computação geralmente não apreciam dados

• É só algo que eles carregam nos programas
• Geralmente usam dados aleatórios para testar programas
• Conjuntos de dados interessantes são recursos raros, que requerem trabalho duro e imaginação para obtê-los

• Cientistas de dados devem aprender a pensar como cientistas reais!

• Ciência tradicional: formulação de hipóteses e obtenção de dados específicos para confirmá-las ou negá-las.

• Ciência de dados: geração de dados em larga escala para realizar novas descobertas ao analisá-los.

Duas formas importantes de pensar:

• Dado um problema, quais dados disponíveis ajudarão a resolvê-lo?
• Dado um conjunto de dados, que problemas interessantes se aplicarão a ele?

• Desenvolvedores são contratados para produzir código

• Cientistas de dados são contratados para produzir insights

• Genialidade é saber encontrar a resposta correta

• Sabedoria é saber evitar as respostas erradas!

• A ciência de dados se beneficia mais de sábios que de gênios

• A sabedoria vem de:
  • Experiência
  • Conhecimento geral
  • Ouvir os outros
  • Humildade: observar quanto, como e porque você errou

• O bom cientista de dados desenvolve curiosidade sobre o domínio / aplicação que ele está trabalhando

• Ele conversa com pessoas envolvidas nos dados que trabalha

• Ele acompanha notícias para ter uma visão ampla do mundo

• Ao contrário de desenvolvedores, eles são encorajados a perguntar:
  • Que coisas interessantes você consegue aprender de um certo conjunto de dados?
  • Que coisas você realmente quer saber?
  • Que conjunto de dados pode levar você a isso?

• Quais atores apareceram em mais filmes? Ganharam mais dinheiro? Apareceram nos piores filmes? Tiveram carreiras mais longas e mais curtas?

• Qual o filme melhor avaliado a cada ano? E para cada gênero? Em quais filmes foi perdido mais dinheiro? Tiveram os elencos mais poderosos? Tiveram as piores avaliações?

• É possível prever a nota de um filme? E o faturamento? Filmes com maior faturamento possuem as maiores notas e ganham mais prêmios?

• Como os filmes de Hollywood se comparam a filmes indianos em termos de: avaliações, orçamento, rendimento? Filmes americanos são mais bem avaliados do que estrangeiros?

• Skiena S.S. (2017) What is Data Science?. In: The Data Science Design Manual. Texts in Computer Science. Springer.
  • CSE 519: Data Science - Steven Skiena - Lecture 1: Introduction to Data Science